Die Autoren zeigen in diesem Buch, wie man für eigene Data-Science-Projekte mit Data Analytics und AI einen echten (Mehr-)Wert schafft. Sie entwickeln einen Leitfaden, mit dem Sie Ihre Datenanalyse systematisch, agil und nutzer:innenzentriert aufbauen und betreiben können. Zunächst machen die Autoren klar, wie wichtig es ist zu Beginn Ihrer Analytics-Projekte die für Ihr Geschäftsmodell richtigen und wertstiftenden Fragen zu stellen. Im Anschluss erläutern sie, wie Sie Technologien und Daten so einsetzen, dass sie einen echten Mehrwert erzeugen können. Schließlich zeigen sie, wie Sie die Projekte effektiv, effizient und gewinnbringend umsetzen können. Das Fundament dafür bilden agile Methoden und Design Thinking, die die Autoren für alltägliche Analytics- und Data-Science-Projekte überführt und adaptiert haben.
Mit zahlreichen Beispielen und Erfahrungen aus Daten-, Web- und Digital-Analytics-Projekten sowie zwei realen Beispielen, wie man von der Idee und dem Auftrag zum Prototypen kommt.
Aus dem Inhalt
- Agile Basics: Agile Prinzipien und Erfolgsfaktoren
- Vom Design Thinking zum Data Thinking - wie Design Thinking Datenprojekte besser macht
- Artificial Intelligence - wie Künstliche Intelligenz mehrwertorientiert in Data Analytics eingesetzt werden kann
- Ethische, rechtliche und ökologische Implikationen - wie Data Analytics und AI doch kein Schreckgespenst werden
- Der Data Value Loop - Datenmehrwert agil und nutzer:innenzentriert
- Analytics in der Praxis - von der Konzeption über Tracking und Reporting bis zum Arbeitsmeeting im Alltag
- AI in der Praxis - Data Science und Agile, geht das überhaupt zusammen? Zwei exemplarische Projektdurchführungen
- Glossar
Die Autor:innen zeigen in diesem Buch, wie man mit Analytics- und Artificial-Intelligence-Projekten echten (Mehr-)Wert schafft. Sie geben Ihnen an die Hand, was Sie wissen müssen, um Ihre Datenprojekte agil, effizient und nutzer:innenzentriert konzipieren und umsetzen zu können: Von den agilen Basics und den Grundlagen des Design Thinkings bis hin zu den Funktionsweisen von Artificial Intelligence und den ethischen, ökologischen und rechtlichen Implikationen von Big Data. Die Autor:innen entwickeln einen Leitfaden, der Ihnen hilft, zu Beginn Ihrer Datenprojekte die richtigen Fragen zu stellen und Ihnen zeigt, wie Sie Technologien und Daten so einsetzen, dass sie einen echten Mehrwert erzeugen. Das Fundament dafür bilden Data Thinking und agile Methoden, die die Autor:innen in alltägliche Analytics- und Data-Science-Projekte überführt und adaptiert haben.
Mit zahlreichen Beispielen aus Daten- und Digital-Analytics-Projekten sowie Einblicken in die Praxis, wie man vonder Idee zum Prototypen kommt.
Aus dem Inhalt
- Agile Basics - Agile Prinzipien und Erfolgsfaktoren
- Vom Design Thinking zum Data Thinking - wie Design Thinking Datenprojekte besser macht
- Artificial Intelligence - was AI eigentlich ist und wie AI funktioniert
- Ethische, rechtliche und ökologische Implikationen - wie Data Analytics und AI doch kein Schreckgespenst werden
- Der Data Value Loop - Datenmehrwert agil und nutzer:innenzentriert
- Analytics in der Praxis - von der Konzeption über Tracking und Reporting bis zum Arbeitsmeeting im Alltag
- AI in der Praxis - Data Science und Agile, geht das überhaupt zusammen? Zwei exemplarische Projektdurchführungen
- Glossar
Die Autorin und die Autoren
Dr. Ramona Greiner studierte Philosophie und Kunstgeschichte. Seit 2017 arbeitet sie als Digital Analytics und Data Ethics Consultant bei der Münchner Unternehmensberatung FELD M.
David Berger ist zertifizierter Product Owner und hat mehrjährige Erfahrung in der Leitung von Data- und Analytics-Projekten für global agierende Kunden.
Dr. Matthias Böck promovierte in Bioinformatik und Machine Learning und arbeitet seit 2013 als Data Scientist bei der Münchner Unternehmensberatung FELD M.
